CC BY
49
DOI: 10.24412/2304-6139-2021-5-394-402
Н.В. Тимошенко - к.э.н., доцент кафедры «Экономика и финансы», Краснодарский филиал Финансового университета при Правительстве РФ, nvtimoshenko@fa.ru,
N.V. Tymoshenko - Candidate of Economic Sciences, Associate Professor of the Department of Economy and Financ е, Krasnodar branch of the Financial University under the Government of the Russian Federation;
М.Р. Хаджиев - к.э.н., доцент кафедры финансов, кредита и антимонопольного регулирования, Институт экономики и финансов, ФГБОУ ВО «Чеченский государственный университет им. А.А. Кадырова», marat99@gmail.com,
M.R Khadzhiev - Candidate of Economic Sciences, Associate Professor of Finance, Credit and Antimonopoly Regulation, Institute of Economics and Finance, Federal State Budgetary Educational Institution of Higher Education "Chechen State University named afterA.A. Kadyrov";
Н.В. Еремина - старший преподаватель кафедры теории бухгалтерского учета, ФГБОУ ВО Кубанский ГАУ, nata-eremina@mail.ru,
N.V. Eremina - SeniorLecturer, Department of Accounting Theory, FSBEI HE Kuban SAU.
ПРИМЕНЕНИЕ СКОРИНГОВЫХ МОДЕЛЕЙ ПРИ ОЦЕНКЕ КРЕДИТОСПОСОБНОСТИ
ПОТЕНЦИАЛЬНОГО ЗАЕМЩИКА APPLICATION OF SCORING MODELS IN ASSESSMENT CREDIT CAPACITY OF A POTENTIAL BORROWER
Аннотация. В современных условиях нестабильной рыночной экономики кредит остается существенным источником экономического развития, его активно используют как отдельные предприятия и граждане, так и страны. Во всем мире широко распространены внутренние и внешние займы, доля кредита как инструмента осуществления затрат находится на довольно высоком уровне. С помощью кредита укрепляются и международные экономические связи, направленные на развитие мировой экономики. В современной российской практике формируется новая система кредитования, между участниками кредитной сделки создаются новые отношения, отображающие интересы обеих сторон, появляются новые формы кредитования, позволяющие снизить кредитные риски, обновляется арсенал банковских ссуд, совершенствуется технология их выдачи и погашения. Меняются не только процедуры кредитования, обновляется сам понятийный аппарат.
Предметом рассмотрения в данной статье выступают вопросы применения скоринговых моделей для оценки кредитоспособности потенциальных заемщиков, рассмотрены ее основные преимущества и недостатки.
Abstract. In modern conditions of an unstable market economy, credit remains an essential source of economic development; it is actively used by both individual enterprises and citizens, and countries. Domestic and foreign loans are widespread throughout the world, and the share of credit as an instrument of spending is at a fairly high level. With the help of the loan, international economic ties are also strengthened, aimed at the development of the world economy. In modern Russian practice, a new system of lending is being formed, new relations are being created between the participants in a loan transaction, reflecting the interests of both parties, new forms of lending are emerging that allow reducing credit risks, the arsenal of bank loans is being updated, and the technology of their issuance and repayment is being improved. It is not only the lending procedures that are changing, the conceptual apparatus itself is being updated.
The subject of this article is the application of scoring models for assessing the creditworthiness of potential borrowers, its main advantages and disadvantages are considered.
Ключевые слова: кредитоспособность, скоринговые модели, кредитная история, рейтинг заемщика.
Keywords: creditworthiness, scoring models, credit history, borrower rating.
В современных условиях нестабильной рыночной экономики одним из ключевых моментов развития бизнеса является кредитование, с одной стороны заемные средства способ-
ствуют развитию организаций, содействуют увеличению объемов производства, наращиванию объема продаж, с другой стороны именно кредиты являются основой банковских активов, обеспечивая банку процентный доход. Кредиты подразумевают не только получение процентного дохода, но и существенные кредитные риски, связанные с несостоятельностью заемщика. Для оценки уровня возможных потерь и вероятности дефолта заемщика, банки используют различные методы анализа и присуждают рейтинг качества заемщика.
В соответствии с исследованиями Bailey и Gately, существующие методы оценки кредитоспособности постоянно совершенствуются, так в последнее время появилась оценка при помощи нейронных сетей, что вызвано высоким спросом со стороны кредитных организаций на оптимизацию и улучшение прогнозной способности инструментов для оценки вероятности дефолта потенциальных заемщиков. Основные методы оценки кредитоспособности представлены на рисунке 1.
Сводная оценка достоинств и недостатков методов оценки рассмотрена в таблице 1.
Таблица 1 - Преимущества и недостатки моделей оценки кредитоспособности
Модель Преимущества Недостатки
Метод коэффициентов Комплексная оценка финансового состояния заемщика Не учитываются качественные показатели, статистика прошлых лет. Неавтоматизированная система, требующая постоянной интерпретации значений отдельных показателей
Рейтинговые модели Автоматизированная оценка методом коэффициентов путем вычисления интегрального показателя. Удобство и простота использования Учитываются только финансовые показатели, не применяется статистика прошлых лет. Требуют перестройки для различных типов компаний
Скоринговые модели Оценка кредитоспособности в балльном эквиваленте и отнесение заемщика к одной из трех групп. Возможность оценивания нефинансовых качественных показателей. При оценке весовых коэффициентов статистическими методами позволяют учесть данные по уже выданным кредитам, экономически обоснованные Не универсальны, требуют перестройки под определенные типы компаний. Требуют большого объема данных для исследования весовых коэ ф фициентов
Модели Cash Flow Оценивают будущие денежные потоки организации и сопоставляют их с долговой нагру зкой Не учитывают рыночную конъюнктуру и качественные показатели компании-заемщика. Могут давать несовместимые с реальностью результаты
Модели дискрими-нантного анализа Позволяют определить вероятность дефолта компании-заемщика на основе статистики за прошлые годы Эмпирические, результаты зависят от обучающей выборки и при исследовании модели на других данных зачастую не соответствуют реальности. Требуют большого объема данных для исследования весовых коэффициентов
Модели регрессионного анализа Позволяют определить вероятность дефолта на основе статистики прошлых лет. При использовании на корректных данных можно получить результаты высокой степени достоверности Эмпирические, результаты зависят от обучающей выборки и при исследовании модели на других данных зачастую не соответствуют реальности. Требуют большого объема данных для исследования весовых коэффициентов
Модели качественного анализа Позволяют провести комплексный анализ компании Отсутствие математических методов, приводящее к субъективной оценке отдельных показателей и к ошибкам, связанным с человеческим фактором. Не учитывают статистику прошлых лет. Нет четких регламентов оценки кредитоспособности для качественных блоков анализа
С 2021 г. вступил в силу Федеральный закон № 302-ФЗ «О внесении изменений в Федеральный закон «О кредитных историях» в части модернизации системы формирования кредитных историй» от 31.07.2020 г. Действующие ранее скоринговые модели были разработаны под потребности пользователей кредитных историй, то есть кредиторов, в настоящее время их разделили на две группы: скоринги, необходимые кредиторам для принятия решений о выдаче кредита, и индивидуальный рейтинг субъекта кредитной истории, то есть физического лица.
Рисунок 1 - Методы оценки кредитоспособности организаций
Основные преимущества скоринговой системы оценки кредитоспособности представлены на рисунке 2.
Быстрота принятия решений
Объективность
Финансовая выгода
Возможность тонкой настройки
Рисунок 2 - Основные преимущества скоринговой системы оценки кредитоспособности организаций
При анализе платежеспособности заемщика сотрудником банка требуется время, специалист проверяет каждый параметр и делает вывод, а с помощью современных скоринговых систем оценки кредитоспособности данные обрабатываются быстро, а значит, и решение принимается оперативно. Специалист способен допустить ошибку или сформировать предвзятое мнение из-за личного отношения к клиенту. Рейтинг заемщика, который выдает скоринговая система, -более объективный показатель кредитоспособности, так как определяется в автоматическом режиме, и сотрудник банка не может повлиять на работу алгоритма.
Использование скоринговой модели оценки кредитоспособности позволяет значительно уменьшить долю невозвратов, которые непосредственно влияют на процентную ставку, а это не только увеличивает прибыль банка, но и дает предоставляет возможность более выгодных условий для всех клиентов. Существенное значение играет и возможность подстраивания скоринговой модели под изменение кредитной политики банка. Таким образом скоринговая модель является наиболее эффективной среди количественных методов, она незаменима при необходимости обработки больших массивов информации в условиях ограниченного объема времени, например, когда нужно оценить добросовестность потенциального заемщика быстро, потому что за ним стоит очередь, это идеальное решение, поэтому скоринг-системы широко используются в области микрофинансирования и экспресс-кредитования, где на рассмотрение данных потенциального заемщика и принятие решения отводится менее одного часа. Название модели от английского scoring - «подсчет очков», она основана на анализе факторов, которые могут повлиять на способность заемщика обеспечить своевременный возврат займа. Результатом этого анализа становятся рекомендации по одобрению кредитной заявки.
Современные модели скоринга, разработанные с учетом современных и эффективных технологий, обладают большей гибкостью и возможностью использовать большое количество разнообразных параметров. В таких моделях применяют элементы графового анализа и искусственного интеллекта, что позволяет применять для анализа тысячи параметров. При этом для конечного пользователя — кредитной организации— главной ценностью результата работы такой модели по-прежнему остается прогнозная сила модели, способность качественной сегментации, стабильность ее работы. В рамках скоринговых моделей, как правило, учитываются показатели финансовой устойчивости.
Основные финансовые показатели скоринговой модели представлены в таблице 2.
Таблица 2 - Финансовые показатели скоринговой модели
Группа показателей Показатель Диапазон коэффициента Доля от максимального количества баллов для диапазона
Ликвидность Коэффициент текущей ликвидности > 0,75 1
0,5-0,75 0,75
0,25-0,5 0,25
0-0,25 0
Платежеспособность Коэффициент финансового рычага 0-1 1
1-1,5 0,75
1,5-2 0,5
2-2,5 0,25
>2,5 0
Коэффициент долговой нагрузки, Net Debt / EBITDA < 1,5 1
1,5-2 0,5
>2 0
Коэффициент покрытия процентов, EBIT/Interest > 1,5 1
1,3-1,5 0,75
1-13 0,5
< 1 0
Деловая активность Рентабельность продаж, ROS > 0,025 1
0,02-0,025 0,75
0,015-0,02 0,5
< 0,015 1
Убыток за три последних отчетных периода нет 1
за один отчетный период 0,5
за два и более отчетных периода 0
Помимо указанных финансовых показателей существенное влияние оказывают и факторы, провоцирующие возникновение рисков в бизнес-процессах заемщика (таблица 3).
Таблица 3 - Нефинансовые показатели скоринговой модели
Группа Показатель Диапазон коэффициента / методика оценки Доля от максимального количества баллов для диапазона
Бизнес -пр оцессы Коэффициент текущей ликвидности > 0,75 1
0,5-0,75 0,75
0,25-0,5 0,25
0-0,25 0
Платежеспособность Коэффициент финансового рычага 0-1 1
1-1,5 0,75
1,5-2 0,5
2-2,5 0,25
>2,5 0
Коэффициент долговой нагрузки, Net Debt / EBITDA < 1,5 1
1,5-2 0,5
>2 0
Коэффициент покрытия процентов, EBIT/Interest > 1,5 1
1,3-1,5 0,75
1-13 0,5
< 1 0
Деловая активность Рентабельность продаж, ROS > 0,025 1
0,02-0,025 0,75
0,015-0,02 0,5
< 0,015 1
Убыток за три последних отчетных периода нет 1
за один отчетный период 0,5
за два и более отчетных периода 0
Немаловажный фактор для скоринговой модели - срок функционирования организации, если бизнесу менее одного года, то данную модель применить невозможно, а также кредитная история, именно она характеризует качество обслуживания будущей ссуды.
Рассмотрим оценку кредитоспособности на основе скоринговой модели, используемой АО «Сбербанк России». Оценка финансового состояния заемщика по методике Сбербанка производится с учетом тенденций в изменении финансового состояния и факторов, влияющих на эти изменения. С этой целью необходимо анализируется динамика оценочных показателей, структура статей баланса, качество активов, основные направления финансово-хозяйственной хозяйственно-финансовой деятельности организации. Оценка результатов расчетов коэффициентов заключается в присвоении заемщику категории по каждому из этих показателей на основе сравнения полученных значений с установленными достаточными. Система финансовых коэффициентов, применяемая Сбербанком России в оценке кредитоспособности заемщика, включает:
- коэффициент абсолютной ликвидности (К1);
- коэффициент критической оценки (промежуточный коэффициент покрытия) (К2);
- коэффициент текущей ликвидности (К3);
- коэффициент соотношения собственных и заемных средств (К4);
- рентабельность, % (К5).
Включение в модель трех коэффициентов ликвидности не случайно и определяется их важностью при оценке текущей кредитоспособности. При инвестиционном кредитовании дополнительно проводится анализ бизнес-плана.
Оценка результатов расчетов К1-К5 заключается в присвоении заемщику категории по каждому из этих показателей на основе сравнения полученных значений с установленными эмпирическим путем достаточными. Далее определяется сумма баллов по этим показателям с учетом их коэффициентных весов. В соответствии с полученной суммой баллов определяется рейтинг или класс заемщика (таблица 4).
Таблица 4 - Определение категории кредитоспособности на основе скоринговой модели АО «Сбербанк России»
Показатель 1 класс 2 класс 3 класс
Коэффициент абсолютной ликвидности (К1) 0,2 и выше 0,1-0,2 Менее 0,15
Коэффициент критической оценки (промежуточный коэффициент покрытия) (К2) 0,8 и выше 0,5-0,8 Менее 0,5
Коэффициент текущей ликвидности (КЗ) 2,0 и выше 1,0-2,0 Мене 1,0
Коэффициент соотношения собственных и заемных средств (К4) 1,0 и выше 0,7-1,0 Менее 0,7
Рентабельность продаж, % (К5) 0,15 и выше Мене 0,15 Нерентабельный
На основании определенных категорий показателей, в соответствии с их весами определяется сумма баллов ^ - рейтинговое число).
S = 0,11 х К1 + 0,05 х К2 + 0,42 х КЗ + 0,21 х К4 + 0,21 х К5
Заключительным этапом рейтинговой оценки кредитоспособности является определение класса заемщика, проводимое на основе рассчитанной суммы баллов:
- S = 1 или 1,05 - заемщик может быть отнесен к первому классу кредитоспособности;
- S больше 1,05, но меньше 2,42 - соответствует второму классу;
- S равно или больше 2,42 - соответствует третьему классу.
Кредитование первоклассных заемщиков обычно не вызывает сомнений, кредитование заемщиков второго класса требует у банка взвешенного подхода, а кредитование заемщиков, принадлежащих к третьему классу кредитоспособности, связано с повышенным риском и редко практикуется Сбербанком.
В дополнение к количественному проводят качественный анализ кредитоспособности, основанный на использовании информации, которая не может быть выражена в количественных показателях. Необходимо отметить, что методика, используемая АО «Сбербанк России» не является универсальной, в разных коммерческих банках набор критериев оценки кредитоспособности неодинаков, но обычно она должна учитывать характер кредитования: краткосрочный (до 12 месяцев) или долгосрочный (свыше 12 месяцев).
При установлении долгосрочной кредитоспособности оценивается перспективное положение компании и возможность генерации денежных потоков в будущем.
Наиболее востребованная в последние годы методика оценки кредитоспособности заемщика представлена в таблице 5.
Границы пяти классов организаций указаны согласно критериям оценки финансового состояния.
Таблица 5 - Рейтинговая оценка на основе выделения пяти классов кредитоспособности заемщиков
Показатель Условие снижения критерия 1 класс 2 класс 3 класс 4 класс 5 класс
1 2 3 4 5 6 7
Коэффициент абсолютной ликвидности За каждые 0,01 пункта снижения снимается по 0,3 балла 0,70 и более присваиваем 14 баллов 0,69-0,50 присваиваем от 13,8 до 10 баллов 0,49-0,30 присваиваем от 9,8 до 6 баллов 0,29-0,10 присваиваем от 5,8 до 2 баллов менее 0,10 присваиваем от 1,8 до 0 баллов
Коэффициент критической оценки За каждые 0,01 пункта снижения снимается по 0,2 балла I и более присваиваем II баллов 0,99-0,80 присваиваем от 10,8 до 7 баллов 0,79-0,70 присваиваем от 6,8 до 5 баллов 0,69-0,60 присваиваем от 4,8 до 3 баллов 0,59 и менее присваиваем от 2,8 до 0 баллов
Продолжение таблицы
1 2 3 4 5 6 7
Коэффициент текущей ликвидности За каждые 0,01 пункта снижения снимается по 0,3 балла 2 и более присваиваем 20 баллов, а от 1,7 до 2,019 баллов 1,69-1,50 присваиваем от 18,7 до 13 баллов 1,49-1,30 присваиваем от 12,7 до 7 баллов 1,29-1,00 присваиваем от 6,7 до 1 балла 0,99 и менее присваиваем от 0,7 до 0 баллов
Доля оборотных средств в активах За каждые 0,01 пункта снижения снимается по 0,3 балла 0,50 и более присваиваем 100,69 - 0,50 присваиваем от 13,8 до 10 баллов 0,49-0,40 присваиваем от 9 до 7 баллов 0,39-0,30 присваиваем от 6,5 до 4 баллов 0,29-1 присваиваем от 6,7 до 1 балла 0,99 и менее присваиваем от 0,7 до 0 баллов
Коэффициент обеспеченности собственными средствами За каждые 0,01 пункта снижения снимается по 0,3 балла 0,5 и более присваиваем 12,5 баллов 0,49-0,40 присваиваем от 12,2 до 9,5 балла 0,39-0,20 присваиваем от 9,2 до 3,5 балла 0,19-0,10 присваиваем от 3,2 до 0,5 балла менее 0,10 присваиваем 0,2 балла
Коэффициент капитализации За каждые 0,01 пункта повышения снимается по 0,3 балла 0,7-1,0 присваиваем от 17,5 до 17,1 балла 1,01-1,22 присваиваем от 17,0 до 10,7 балла 1,23-1,44 присваиваем от 10,4 до 4,1 балла 1,45-1,56 присваиваем от 3,8 до 0,5 балла 1,57 и более присваиваем от 0,2 до 0 баллов
Коэффициент капитализации За каждые 0,01 пункта повышения снимается по 0,3 балла 0,7-1,0 присваиваем от 17,5 до 17,1 балла 1,01-1,22 присваиваем от 17,0 до 10,7 балла 1,23-1,44 присваиваем от 10,4 до 4,1 балла 1,45-1,56 присваиваем от 3,8 до 0,5 балла 1,57 и более присваиваем от 0,2 до 0 баллов
Коэффициент капитализации За каждые 0,01 пункта повышения снимается по 0,3 балла 0,7-1,0 присваиваем от 17,5 до 17,1 балла 1,01-1,22 присваиваем от 17,0 до 10,7 балла 1,23-1,44 присваиваем от 10,4 до 4,1 балла 1,45-1,56 присваиваем от 3,8 до 0,5 балла 1,57 и более присваиваем от 0,2 до 0 баллов
Коэффициент финансовой независимости За каждые 0,01 пункта снижения снимается по 0,4 балла 0,5-0,60 и более присваиваем от 9 до 10 баллов 0,49-0,45 присваиваем от 8 до 6,4 балла 0,44-0,40 присваиваем от 6 до 4,4 балла 0,39-0,31 присваиваем от 4 до 0,8 балла 0,30 и менее присваиваем от 0,4 до 0 баллов
Коэффициент финансовой устойчивости За каждые 0,01 пункта снижения снимается по 1 баллу 0,80 и более присваиваем 5 баллов 0,79-0,70 присваиваем 4 балла 0,69-0,6 присваиваем 3 балла 0,59-0,51 присваиваем 2 балла 0,49 и менее присваиваем от 1 до 0 баллов
Границы классов - 100-97,6 балла 93,5-67,6 балла 64,4-37 баллов 33,8-10,8 балла 7,6-0 баллов
В зависимости от числа набранных баллов выделяются следующие 5 классов организаций:
1-й класс - организации с абсолютной финансовой устойчивостью и платежеспособностью, компании чье финансовое состояние позволяет быть уверенным кредиторам в своевременном выполнении принятых договорных обязательств. Такие организации имеют рациональную структуру имущества и его источников, и, обычно, высокорентабельные;
2- й класс - организации с нормальным финансовым состоянием, их показатели находятся очень близко к оптимальным, но по отдельным коэффициентам допускаются некоторые отставания. Обычно, в таких организациях, неоптимальное соотношение собственных и заемных источников финансирования в пользу заемного капитала, и наблюдается опережающий прирост кредиторской задолженности по сравнению с приростом других заемных источников, а также по сравнению с приростом дебиторской задолженности, однако организации являются рентабельными;
3-й класс - компании, финансовое состояние которых можно оценить как среднее, наблюдается низкое значение отдельных показателей и коэффициентов; платежеспособность находится на границе минимально допустимого уровня, а финансовая устойчивость нормальная, либо наоборот, - неустойчивое финансовое состояние из-за преобладания кредитных источников финансирования, но есть текущая платежеспособность. При взаимоотношениях с такими организациями, обычно не возникает опасность потери средств, но выполнение обязательств в срок представляется сомнительным;
4- й класс - это организации с неустойчивым финансовым состоянием, с неудовлетворительной структурой капитала, а платежеспособность находится на нижней границе допустимых значений. Прибыль у таких организаций, как правило, отсутствует вовсе или очень незначительная, достаточная только для обязательных платежей в бюджет;
5-й класс - организации с кризисным финансовым состоянием, неплатежеспособные и финансово неустойчивые, такие организации являются убыточными.
С экономическими субъектами 1 и 2 класса коммерческие банки могут открывать кредитную линию, кредитовать по контокоррентному счету, выдавать в разовом порядке ссуды без обеспечения с установлением во всех случаях более низкой процентной ставки, чем для всех остальных заемщиков.
Кредитование заемщиков третьего класса осуществляется банками в обычном порядке, то есть при наличии всех форм обеспечения обязательств: гарантий, залога, поручительств, при этом процентная ставка зависит от вида обеспечения.
Предоставление кредитов клиентам четвертого класса, а особенно пятого, связано для банка с серьезным риском, обычно кредит не предоставляется или размер предоставляемой ссуды не должен превышать размера уставного капитала предприятия, с условием высокой процентной ставки.
Нельзя не отметить, что ни один из описанных методов не может быть признан «самым лучшим» во всех случаях. С возникновением новых технологий мощность скорингового алгоритма в силу объективных причин снижается, необходимо рименять новые расчеты ско-ринговых алгоритмов и замены прежней процедуры скоринга новой, что решается на основе соответствующих статистических критериев. Если в банке на участок скоринг-аналитики выделен специалист на постоянной основе, то перерасчет скоринговых алгоритмов может осуществляться с любой периодичностью по мере пополнения базы данных новыми кредитными историями.
Источники:
1. Адаменко А А Виды задолженности организации и ее влияние на финансовую устойчивость / А А Адаменко, Т.Е. Хорольская, Д.В. Петров // Деловой вестник предпринимателя. - 2020. -№ 2 (2). - С. 6-9.
2. Адаменко А А Развитие системы корпоративных взаимоотношений в предпринимательской среде / АА Адаменко, Д.В. Петров, Д.Ш Мусостова // Вестник Академии знаний. - 2021. -№ 3 (44). - С. 12-16.
3. Алтунина Л.Н Оценка эффективности управления денежными потоками коммерческой организации / Л.Н Алтунина, Т.Е. Хорольская, А И. Смирнова // Вестник академии знаний. -2020. - № 4 (39). - С. 41-46.
4. Иванов В. А. Банки и клиенты: вне времени и расстояния / В. А Иванов, В.И. Угрына // Банковские технологии. - 2013. - № 5. - С. 38.
5. Малюгин В.И. Об эффективности статистических алгоритмов кредитного скоринга / В.И. Малюгин, Н.В. Гринь // Банковский вестник. - № 31. - 2010. - C. 39-46.
6. Тахумова О.В. Инновационные аспекты повышения международной конкурентоспособности российской продукции / О.В. Тахумова // Вестник Московского государственного областного университета. - 2010. - № 4. Серия: Экономика. - С. 57-60.
References:
1. Adamenko A. A Types of the organization's debt and its impact on financial stability / AA Adamenko, T.E. Khorolskaya, D.V. Petrov // Business bulletin of the entrepreneur. - 2020. -No. 2 (2). - S. 6-9.
2. Adamenko A A. Development of the system of corporate relationships in the entrepreneurial environment / A A Adamenko, D.V. Petrov, D.Sh. Musostova // Bulletin of the Academy of Knowledge. - 2021. - No. 3 (44). - S. 12-16.
3. Altunina L.N. Evaluation of the efficiency of cash flow management of a commercial organization / L.N. Altunina, T.E. Khorolskaya, A.I. Smirnova // Bulletin of the Academy of Knowledge. - 2020. -No. 4 (39). - S. 41-46.
4. Ivanov V. A Banks and clients: beyond time and distance / V. A Ivanov, V. I. Ugryna // Banking technologies. - 2013. - No. 5. - P. 38.
5. Malyugin, V.I. On the effectiveness of statistical algorithms for credit scoring / V.I. Malyugin, N.V. Grin // Banking Bulletin. - No. 31. - 2010. - P. 39-46.
6. Takhumova O.V. Innovative aspects of increasing the international competitiveness of Russian products / O.V. Takhumova // Bulletin of the Moscow State Regional University. - 2010. - № 4. Series: Economics. - S. 57-60.
DOI: 10.24412/2304-6139-2021-5-402-407
Л.К. Улыбина - д.э.н., профессор кафедры финансов, ФГБОУ ВО Кубанский ГАУ, ulibinalk@mail.ru,
L.K. Ulybina - doctor of Economics, Professor of the Department of Finance, FSBEI HE Kuban SAU;
Парвиз Азизи - аспирант кафедры финансов, ФГБОУ ВО Кубанский ГАУ, az-izi.parviz@mail.ru,
Parviz Azizi - Postgraduate student of the Department of Finance, FSBEI HE Kuban SAU.
ОЦЕНКА ТЕНДЕНЦИЙ ИНДИКАТОРОВ ГОСПОДДЕРЖКИ АГРАРНОГО СЕКТОРА
В УСЛОВИЯХ ИНТЕГРАЦИИ ASSESSMENT OF TRENDS IN INDICATORS OF STATE SUPPORT OF THE AGRICULTURAL SECTOR IN THE CONTEXT OF INTEGRATION
Аннотация. Аграрный сектор экономики является основным производителем пищевых продуктов. Данный сектор играет значимую роль в обеспечение безопасности пищевых продуктов и продовольственной независимости государства. В условиях интеграции и международной конкуренции значимо растут риски и опасности для стойкого становления российской аграрной отрасли экономики. Поэтому действенная работа сельхозпроизводства вероятна лишь при активной помощи от государства на общегосударственном и местном уровнях.
Создание критерий для устойчивого развития аграрных земель, форсирования темпов роста размеров аграрного производства на основе увеличения его конкурентоспособности обязано представлять наиважнейшим курсом аграрной финансовой политики страны.
Целью изучения данной темы является анализ тенденций индикаторов господержки аграрного сектора в условиях интеграции. Сделан вывод о том, что главной проблемой в исследуемой области представляется недостаточное финансирование.
Abstract. The agricultural sector of the economy is the main producer of food products. This sector plays a significant role in ensuring food security and food independence of the State. In the conditions of integration and international competition, the risks and dangers for the stable formation of the Russian agricultural sector of the economy are significantly increasing. Therefore, the effective functioning of agricultural production is possible only with the active support of the state at the national and local levels.
The creation of criteria for the sustainable development of agricultural lands, forcing the growth rates of agricultural production on the basis of increasing its competitiveness must represent the most important course of the agrarian financial policy of the country.
The purpose of studying this topic is to analyze trends in indicators of state support of the agricultural sector in the context of integration. It is concluded that the main problem in the field under study is insufficient funding.
Ключевые слова: аграрный сектор, государственная поддержка, кредитование, страхование,
лизинг.
